python - 每个客户数据的回归

Question

我的数据包含客户购买历史以及每个订单的相应销售额。我想了解每个客户随时间的支出趋势。我考虑了对每个客户的回归，然后提取系数。这有可能以一种有效的方式处理 Pandas 吗(我在数据中有大约 1000000 笔交易)？如果是，我该怎么做？

为了更好地理解这里的数据结构。

        Date        Customer_ID     Sales_Value     
     2014-07-01         1            62.946002  
     2014-12-01         2            62.947733  
     2013-05-01         3            27.328221  
     2015-01-01         1            30.023658

这将是交易数据的结构以及在这种情况下不需要的其他几个列。不幸的是，数据是按月计算的，因此对于日期，您只需采用以下格式:20xx-xx-01

我现在想要的是一个数组，它为我的每个客户提供基于交易数据的整个时间间隔内的 Sales_Value 的回归系数。所以基本上是这样的:

Customer_ID  trend_coeff
  1             -0,5
  2               0
  3               0

(trend_coeff 的数字当然只是为了演示而编造的)

感谢您的帮助!

Answer 1

假设您从这样的事情开始:

import pandas as pd

df = pd.DataFrame({
    'a': [1, 2, 3, 1, 2, 3, 1, 2, 3],
    'b': range(9),
    'c': range(1, 10)})
>>> df
    a   b   c
0   1   0   1
1   2   1   2
2   3   2   3
3   1   3   4
4   2   4   5
5   3   5   6
6   1   6   7
7   2   7   8
8   3   8   9

要对 'a' 的每个值执行 'b' 和 'c' 之间的线性回归，您可以这样做:

from sklearn import linear_model

def find_for_a(g):
    p = linear_model.LinearRegression().fit(g.b.values[:, None], g.c.values)
    return pd.Series({'coef': p.coef_[0], 'intercept': p.intercept_})

>>> df.groupby('a').apply(find_for_a)
    coef    intercept
a       
1   1.0     1.0
2   1.0     1.0
3   1.0     1.0